Nivel 8 · Desafío final: la revisión de la temporada de fiestas

Una tabla, cuatro vistas del tiempo

Cada paso parte de lines: una fila por línea de pedido de un pedido completado, con su line_revenue y el order_date del pedido. A partir de ahí, el tiempo se puede cortar de dos maneras. Resampling mete las filas en periodos consecutivos de una línea temporal (2 de diciembre de 2025, la semana que termina en él, noviembre de 2025). Las partes de fecha extraen una pieza de cada fecha (su día de la semana, su mes del año, su trimestre) para poder agrupar filas de años distintos. El desafío necesita ambas.

Partes de fecha con .dt

El accesor .dt extrae partes de una columna datetime:

d = lines["order_date"]
d.dt.year           # 2025
d.dt.quarter        # 1 to 4
d.dt.month          # 1 to 12
d.dt.month_name()   # 'November'
d.dt.day_name()     # 'Friday'

year, quarter y month son atributos (sin paréntesis) y devuelven números; month_name() y day_name() son métodos y devuelven texto. Para cualquier otra etiqueta, strftime da formato a una fecha con códigos: "%Y-%m" da '2025-11', "%b" da 'Nov', "%B" el nombre completo, "%a" un día de la semana abreviado. En un DatetimeIndex los mismos métodos están disponibles directamente, sin .dt: table.index.strftime("%b").

Meses en orden de calendario

Los nombres de mes son texto, y el texto se ordena alfabéticamente: April, August, December… Para mantener el orden de calendario, lleva el número del mes junto al nombre y ordena por el número:

parts = lines.assign(month_num=lines["order_date"].dt.month, month=lines["order_date"].dt.month_name())
parts.groupby(["month_num", "month"], as_index=False)["line_revenue"].sum().sort_values("month_num")

Agrupar por ambas claves no cuesta nada (cada número tiene un nombre) y te da una columna por la que ordenar. Otra opción es una categórica ordenada, pd.Categorical(names, categories=[...], ordered=True), pero un número de mes es más simple y sobrevive a cualquier merge.

Promediar un mes a lo largo de tres años necesita dos pasos: primero sumar por año y mes, y luego promediar esos totales. Promediar las líneas directamente daría la línea de pedido media, no el mes medio.

Ventanas móviles y crecimiento, primero el historial

La mejor semana de 2025 es una suma móvil de 7 días sobre una serie diaria, construida sobre todo el historial y filtrada a 2025 después. Termina el jueves 4 de diciembre de 2025 con $104,267.39, cuando la ventana contiene todo el tramo del Black Friday al Cyber Monday. En 2024 la mejor ventana fue mayor, $117,208.44.

La misma regla se aplica al crecimiento interanual: pct_change(12) necesita los meses de 2024 en la serie, así que selecciona el T4 de 2025 solo al final. La respuesta es incómoda: los ingresos de noviembre de 2025 cayeron un 8,4 % respecto a noviembre de 2024 aunque el número de pedidos creció un 13,7 %, el tipo de resultado que se informa con franqueza, con el recuento de pedidos al lado.

Cuotas de cada año

transform("sum") devuelve el total del grupo en cada fila del grupo, así que la cuota de un trimestre en su año es una división. El T4 aportó 0.375 de los ingresos de 2023, 0.381 de los de 2024 y 0.328 de los de 2025.

Errores comunes

• Ordenar los nombres de los meses alfabéticamente en lugar de por número de mes.
• Escribir dt.month_name sin paréntesis, lo que da un método, no nombres.
• Filtrar a 2025 antes de rolling o pct_change(12), lo que convierte el inicio del periodo en NaN.
• Dividir entre el total general de todos los años en lugar del total propio de cada año.